奖励微调

文本到视频扩散模型奖励微调框架，降微调成本提效率 InstructVideo采用编辑式奖励微调方案，复用现有图像奖励模型，通过分段稀疏采样、时间衰减奖励生成奖励信号，相比传统方案减少微调成本，提升微调效率，可提升生成视频的视觉质量，同时保持较强泛化能力，相关技术资料可在官网获取。